DynaTraffic Lösungen Einstiegsaufgaben
|
|
- Viktoria Falk
- vor 6 Jahren
- Abrufe
Transkript
1 DynaTraffic Lösungen Einstiegsaufgaben 1. Interpretation von Verkehrssituation und Übergangsgraph a) Die Übergangswahrscheinlichkeit P(A,B)=0.1 bedeutet für ein Auto, das sich auf Spur A befindet, dass es mit der Wahrscheinlichkeit 0.1 im nächsten Übergang auf die Spur B gewechselt hat. b) Von den 10 Autos auf der Spur A werden nach dem nächsten Übergang 2 immer noch auf der Spur A sein, 7 werden auf der Spur E sein und eines wird auf der Spur B sein. Diese Angaben entnehmen wir den folgenden von A ausgehenden Übergängen mit den Wahrscheinlichkeiten P(A,A)=0.2, P(A,E)=0.7, P(A,B)=0.1. c) Schleifen bedeuten, dass Autos bei einem Übergang in demselben Zustand bleiben können. In der Realität beschreiben Schleifen z.b.: - Autos, die eine gewisse Zeit brauchen, um eine Strecke zu durchfahren. - Stau - Parkplätze 2. DynaTraffic kennenlernen a) Nach zwei Übergängen sind 159 Autos auf Spur B. 1 / 11
2 b) Nach 20 Übergängen sind ca. 150 Autos auf Spur B. c) Siehe Screenshot bei b). d) Nach 20 Übergängen sind ca. 90 Autos auf der Spur B. e) Siehe Screenshot bei d). Die beiden Verkehrsaufkommen haben einen ähnlichen Verlauf, beide beginnen bei 100, steigen rasch an und senken sich rasch wieder. Ab ca. 5 Übergängen sind beide Systeme einigermassen eingependelt. Die beiden Verkehrsaufkommen unterscheiden sich im Wert, auf den sie sich einpendeln. Die Kurve bei b) pendelt sich auf ca. 150 ein und die Kurve aus d) auf ca Verhalten dynamischer Systeme beobachten a) Die Kurven steigen exponentiell an, d.h. die Anzahl der Autos nimmt von einem Übergang zum nächsten stark zu. 2 / 11
3 b) Bei der Normierung werden die Werte in der Übergangsmatrix so angepasst, dass die Spaltensumme pro Kolonne 1 ergibt. Diese Normierung geschieht proportional, d.h. die Spaltenvektoren werden um einen bestimmten Faktor gestreckt, bzw. gestaucht. In unserem Beispiel ist die Kolonnensumme jeweils 2, d.h. die Kolonnenvektoren werden mit dem Faktor 0.5 multipliziert. c) Die Anzahl der Autos nimmt nun nicht mehr zu. Die Autos verteilen sich gleichmässig aufgrund der symmetrischen Wahrscheinlichkeiten. Die Wahrscheinlichkeiten sind insofern symmetrisch, da von jeder Spur immer 50% der Autos auf dieser bleiben und 50% in die nächste Spur wechseln. Nach 9 Übergängen befinden sich auf jeder Spur ungefähr 10 Autos. d) Nach 9 Übergängen befinden sich auf Spur A ca. 12 Autos und auf den Spuren B und C je ca. 9 Autos. Im Gegensatz zu c) ist wegen der nicht mehr symmetrischen Wahrscheinlichkeiten die Verteilung der Autos ebenfalls nicht mehr symmetrisch. Deshalb haben wir mit der Zeit mehr Autos auf der Spur A als auf den Spuren B und C. 3 / 11
4 4. Stationäre Zustände in einem dynamischen System a) Nach 15 Übergängen sind auf jeder Spur jeweils 10 Autos. Das System ist eingependelt, d.h. eine stationäre Verteilung ist erreicht. b) Nach 15 weiteren Übergängen sind immer noch jeweils 10 Autos auf jeder Spur. Das eingependelte System verändert sich nicht mehr, es hat eine stationäre Verteilung erreicht. 4 / 11
5 c) Nach 15 Übergängen sind jeweils wiederum 10 Autos auf jeder Spur. Das lässt vermuten, dass die stationäre Verteilung unabhängig von der Startverteilung erreicht wird. Diese Vermutung trifft tatsächlich zu. 5. Periodische Zustände in einem dynamischen System a) Das Verkehrsaufkommen auf den zwei Spuren A und B nimmt abwechselnd die Werte 0 und 100 an. Nach einem Übergang sind alle 100 Autos auf Spur A, nach dem nächsten alle 100 auf B und nach dem dritten wieder alle bei A. Dieser Vorgang wiederholt sich endlos, wir haben hier zwei periodische Zustände. b) Im Übergangsgraph sieht man, dass P(A,B)=1 und P(B,A)=1 ist, sowie P(A,A)=0 und P(B,B)=0. Dies bedeutet, dass in jedem Übergang alle Autos von A zu B wechseln und umgekehrt. Wenn nun im Startzustand alle Autos bei A sind, dann werden nach dem ersten Übergang alle Autos entsprechend bei B sein, und dann nach einem zweiten Übergang wieder bei A, usw. In diesem Beispiel bewegen sich also alle Autos periodisch zwischen den Spuren A und B hin und her. 5 / 11
6 DynaTraffic Lösungen Fortgeschrittene Aufgaben 6. Auswirkungen nicht zusammenhängender Markov-Graphen a) Die beiden Kurven verändern sich nicht, alle 100 Autos bleiben auf der Spur A und auf Spur B kommt nie ein Auto. b) Die Verkehrsverteilung entwickelt sich analog zu a), nun bleiben jedoch alle 100 Autos auf der Spur B und auf Spur A kommt nie ein Auto. c) Die Übergangswahrscheinlichkeiten P(A,A)=1 und P(B,B)=1, sowie P(A,B)=0 und P(B,A)=0 bedeuten, dass ein auf Spur A befindliches Auto nie zu Spur B wechseln wird, sondern immer auf Spur A bliebt. Und analog, dass ein sich auf Spur B befindliches Auto nie zu Spur A wechseln wird, sondern immer auf Spur B bleibt. Mit den gegeben Anfangsverteilungen wo alle Autos entweder bei A oder bei B sind, werden sich also Autos nie verschieben. Der vorliegende Übergangsgraph ist nicht zusammenhängend, da nicht von jedem Zustand aus jeder andere Zustand erreicht werden kann. d) Man könnte P(A,B) und P(B,A) von 0 verschiedene Werte geben, dann wäre der Übergangsgraph zusammenhängend und Autos könnten sich entsprechend zwischen A und B bewegen. 7. Auswirkungen von absorbierenden Zuständen a) Alle Autos wechseln von der Spur A zur Spur B und bleiben dort für immer. B ist also ein absorbierender Zustand. 6 / 11
7 b) Von einem absorbierenden Zustand haben bis auf Schleifen alle ausgehenden Kanten die Wahrscheinlichkeit 0, d.h. ein Auto wird sich nie von dieser Spur weg bewegen. 8. Auswirkungen transienter Zustände a) Spur C entspricht einem absorbierenden Zustand, alle ausgehenden Kanten habe die Wahrscheinlichkeit 0. Entsprechend hat die Spur C immer mehr und mehr Autos, bis alle auf dieser Spur sind. Die Spuren A, B und D geben langsam alle Autos an C ab. b) Spur D entspricht einem transienten Zustand. D hat keine eingehende Kanten mit einer positiven Übergangswahrscheinlichkeit, sondern bloss ausgehende Kanten mit positiven Übergangswahrscheinlichkeiten. D.h. Autos können D nur verlassen, aber nie zu D zurückkommen. Das ist genau die Definition eines transienten Zustandes. c) Damit D nicht mehr transient ist, könnte man z.b. P(C,D) anpassen. 9. Analyse eines komplexeren Systems a) Die Zustände D und G sind absorbierend. A, B, C, E und F sind transiente Zustände. b) Die Übergangswahrscheinlichkeiten können nicht so verändert werden, dass D kein absorbierender Zustand ist. D.h. D ist auf jeden Fall ein absorbierender Zustand, da er bis auf eine Schleife keine ausgehenden Kanten hat. Für die anderen Zustände gibt es sehr viele Möglichkeiten, die Übergangswahrscheinlichkeiten anzupassen, z.b.: P(A,A)=P(A,B)=P(B,B)= P(B,D)=P(D,D)=P(D,E)=P(F,F)=P(F,E)=0.5 und P(C,C)=P(C,F)=P(C,G)=P(E,E)= P(E,B)=P(E,C)= Wie lange geht es, bis sich ein System einpendelt? 7 / 11
8 a) Die 100 Autos auf der Spur A verteilen sich langsam auf beide Spuren. Die Anzahl Autos auf der Spur A nimmt langsam ab, und die Anzahl Autos auf der Spur B nimmt um denselben Betrag entsprechend langsam zu. b) Der Zustandsvektor wird sich wegen der symmetrischen Übergangsmatrix langsam (50,50) annähern, d.h. die Autos werden sich langsam gleichmässig auf die Spuren A und B verteilen. Nach gut 200 Übergängen sind 50.0 Autos pro Spur erreicht: 8 / 11
9 c) Das System ist schon nach einem Übergang auf denselben Wert eingependelt, wenn man P(A,A)=P(A,B)=P(B,B)=P(B,A)=0,5 setzt. 9 / 11
10 DynaTraffic Lösungen Weiterführende Aufgaben 11. Beschränkungsregeln a) - b) Falls ein Knoten im Übergangsgraph seine Schranke erreicht, werden die Wahrscheinlichkeiten aller auf diesen Knoten einfallenden Kanten auf 0 gesetzt. Dadurch kommen im nächsten Übergang keine neuen Autos auf diese Spur. Durch das Ändern der Wahrscheinlichkeiten ist die Übergangsmatrix nicht mehr stochastisch (Kolonnensumme ungleich 1) und die entsprechenden Kolonnen werden von DynaTraffic normiert. c) Wenn eine Schranke aufgehoben wird, werden die Übergangswahrscheinlichkeiten wieder auf den Wert gesetzt, den sie vor dem Erreichen der Schranke hatten. Damit anschliessend die Übergangsmatrix wieder stochastisch wird, werden die entsprechenden Spalten normiert. d) Die Normierung der Übergangsmatrix muss jeweils sein, damit die Übergangsmatrix stochastisch bleibt. Wäre die Übergangsmatrix nicht stochastisch, dann würden neue Autos entstehen, bzw. Autos aus dem System verschwinden. (Siehe Aufgabe 2.) e) Ein mögliches Szenario sind z.b. Parksysteme. Sobald ein Parkplatz voll ist, wird dieser geschlossen. Ein anderes realistisches Szenario ist z.b. eine Innenstadt, die Überlastet ist und dann via Verkehrsleitsystem geschlossen wird. 12. Systementwicklung begründen a) Hier handelt es sich offensichtlich um eine Markov-Kette mit periodischen Zuständen mit der Periode 3. Jeweils nach drei Übergängen wird wieder dieselbe Verteilung der Autos erreicht. b) Hier wird nach drei Übergängen offensichtlich ein stationärer Zustand erreicht. C ist ein absorbierender Zustand. 10 / 11
11 13. Zusammenhang zwischen Übergangsmatrix und Entwicklung des Systems A, B und C sind drei periodische Zustände, die 100 Autos verschieben sich im ersten Übergang von A nach B, im zweiten von B nach C und im dritten wieder von C nach A. D.h. nach dem ersten und nach dem zweiten Übergang sind keine Autos in A, dafür nach dem dritten wieder alle. Und dies wiederholt sich nun ständig. Der Graph der Spur A sieht in DynaTraffic so aus: 14. Matrix-Vektormultiplikation Nach einem Schritt sieht Verkehrssituation 2 in DynaTraffic wie folgt aus: 11 / 11
DynaTraffic Modelle und mathematische Prognosen. Simulation der Verteilung des Verkehrs mit Hilfe von Markov-Ketten
DynaTraffic Modelle und mathematische Prognosen Simulation der Verteilung des Verkehrs mit Hilfe von Markov-Ketten Worum geht es? Modelle von Verkehrssituationen Graphen: Kanten, Knoten Matrixdarstellung
MehrDynaTraffic Einstiegsaufgaben
DynaTraffic Einstiegsaufgaben Bemerkung: Falls nichts anderes erwähnt, sind die Standard-Einstellungen zu einer Verkehrssituation von DynaTraffic zu verwenden. 1. Interpretation von Verkehrssituation und
MehrDie Abbildung zeigt die Kette aus dem "
½ Ô ½ 0 1 2 Õ Eine Markov-Kette mit absorbierenden Zustanden Die Abbildung zeigt die Kette aus dem " gamblers ruin problem\ fur m = 2. Man sieht sofort, dass hier sowohl 1 = (1; 0; 0) als auch 2 = (0;
MehrLANGZEITVERHALTEN VON MARKOW-KETTEN
LANGZEITVERHALTEN VON MARKOW-KETTEN NORA LOOSE. Buchstabensalat und Definition Andrei Andreewitsch Markow berechnete Anfang des 20. Jahrhunderts die Buchstabensequenzen in russischer Literatur. 93 untersuchte
MehrLANGZEITVERHALTEN VON MARKOW-KETTEN
LANGZEITVERHALTEN VON MARKOW-KETTEN NORA LOOSE. Buchstabensalat und Definition Andrei Andreewitsch Markow berechnete Anfang des 20. Jahrhunderts die Buchstabensequenzen in russischer Literatur. 93 untersuchte
MehrDie Kopplung von Markovketten und die Irrfahrt auf dem Torus
Die Kopplung von Markovketten und die Irrfahrt auf dem Torus Verena Monschang Vortrag 20.05.20 Dieser Seminarvortrag thematisiert in erster Linie die Kopplung von Markovketten. Zu deren besseren Verständnis
MehrPopulationsentwicklung
Populationsentwicklung Lewis (942) und Leslie (945) entwickelten ein Modell, mit dem die Entwicklung einer Population unter Einbeziehung der Altersstruktur untersucht werden kann. Die Population wird z.b.
Mehr16.3 Rekurrente und transiente Zustände
16.3 Rekurrente und transiente Zustände Für alle n N bezeichnen wir mit f i (n) = P(X n = i,x n 1 i,...,x 1 i,x 0 = i) die Wahrscheinlichkeit, daß nach n Schritten erstmalig wieder der Zustand i erreicht
MehrProseminarvortrag. Markov-Ketten in der Biologie (Anwendungen)
Proseminarvortrag Markov-Ketten in der Biologie (Anwendungen) von Peter Drössler 20.01.2010 2 Markov-Ketten in der Biologie (Peter Drössler, KIT 2010) Inhalt 1. Das Wright-Fisher Modell... 3 1.1. Notwendige
Mehr1. a) Ergänzen Sie das Diagramm eines Austauschprozesses und ermitteln Sie die Übergangsmatrix.
Matrizenrechnung Aufgaben 15% C 50% 40% 60% A B 20% 30% 1. a) Ergänzen Sie das Diagramm eines Austauschprozesses und ermitteln Sie die Übergangsmatrix. b) Bestimmen Sie die Grenzverteilung. 200 c) Der
MehrAustauschprozesse Kapitalfluss
Austauschprozesse Kapitalfluss Zwischen den Filialen F und F 2 einer Bank findet pro Monat ein Kapitalfluss statt. Die Übergangsmatrix lautet: 4 A = Der Startvektor sei z.b. x 0 = 4 F F 2 4 (in Millionene.
MehrJürgen Roth Didaktik der Linearen Algebra & Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 3: Modellieren & Angewandte Mathematik 3.1 Inhalte
MehrEinführung in Markoff-Ketten
Einführung in Markoff-Ketten von Peter Pfaffelhuber Version: 6. Juli 200 Inhaltsverzeichnis 0 Vorbemerkung Grundlegendes 2 Stationäre Verteilungen 6 3 Markoff-Ketten-Konvergenzsatz 8 0 Vorbemerkung Die
Mehr2. Repräsentationen von Graphen in Computern
2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen
MehrHans Humenberger. Das PageRank-System von Google eine aktuelle Anwendung im MU
Hans Humenberger Das PageRank-System von Google eine aktuelle Anwendung im MU Google und seine Gründer Google etwas Riesengroßes nach der unglaublichen Fülle des WWW Googol = 10^100 1938 durch E. Kasner
Mehr1 A dp = P(A B). (1.3)
Markov-etten Seminar Stochastik vom 4-500 Version Oktober 00 Markus Penz Vorbemerkungen zu bedingten Wahrscheinlichkeiten Sei (Ω, F,P) ein Wahrscheinlichkeitsraum und X : Ω R eine F-messbare sowie integrierbare
MehrDas Vorgehen bei der Veränderung der Breiten wird sowohl bei Spalten als auch bei Höhe der Zeilen auf gleiche Art und Weise durchgeführt.
1 Excel Schulung Andreas Todt Inhaltsverzeichnis 1 Breite von Zeilen und Spalten... 1 1.1 Verhalten von Zahlen... 1 1.2 Verhalten von Text... 3 1.3 Spaltenbreite verändern... 3 1.3.1 Manuelles Ändern...
MehrMathematik Matrizenrechnung
Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung
MehrÜbergangsmatrizen. October 27, 2014
Übergangsmatrizen October 27, 214 Der Begriff Übergangsmatrix wird (unter anderem) für die Matrizen, die das Wechselverhalten von z.b. Käufern oder Wählern darstellen. Bei Wikipedia wird eine Übergangsmatrix
MehrDIPLOMARBEIT. Abschätzungen der Konvergenzgeschwindigkeit von Markov-Ketten gegen die Gleichgewichtsverteilung
Studiengang Diplom-Mathematik mit Schwerpunkt Biowissenschaften DIPLOMARBEIT Abschätzungen der Konvergenzgeschwindigkeit von Markov-Ketten gegen die Gleichgewichtsverteilung von: Christina Boll geb. Wolf
MehrM Kreissektoren und Bogenmaß. Kreissektor mit Mittelpunktswinkel? Kreissektors mit Mittelpunktswinkel? Was versteht man unter dem Bogenmaß?
M 10.1 Kreissektoren und Bogenmaß Wie berechnet man in einem Kreis mit Radius Kreissektor mit Mittelpunktswinkel? die Länge des Kreisbogens für einen Wie berechnet man in einem Kreis mit Radius Kreissektors
MehrBereich Schwierigkeit Thema Matrizen XXX Übergangsprozesse. Rinderzucht II (aus Abi 2010) Mögliche Lösung
Matrizen XXX Übergangsprozesse Rinderzucht II (aus Abi 21) Bei der Aufzucht von Rindern unterscheidet man zwischen Neugeborenen (N), ein- jährigen Kälbern (K) und geschlechtsreifen erwachsenen Tieren (E).
MehrExact Sampling: Der Propp-Wilson-Algorithmus
Exact Sampling: Der Propp-Wilson-Algorithmus Markus Gerstel Proseminar: Markovketten in der Algorithmik Technische Universität München gerstel@in.tum.de Zusammenfassung Der Propp-Wilson-Algorithmus liefert
MehrStochastische Prozesse. Woche 5
FS 2016 Stochastische Prozesse Woche 5 Aufgabe 1 PageRank-Algorithmus von Google Das Herz der Google-Suchmaschine ist ein Algorithmus, der alle Dokumente des WWW nach ihrer Wichtigkeit anordnet. Die Auflistung
MehrTheoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen. Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst
Theoretische Überlegungen zur Ausbreitung von Infektionserregern auf Kontaktnetzen Hartmut Lentz, Maria Kasper, Ansgar Aschfalk und Thomas Selhorst Netzwerke / Graphen verschiedene Typen von Graphen: einfache
MehrStatistik Testverfahren. Heinz Holling Günther Gediga. Bachelorstudium Psychologie. hogrefe.de
rbu leh ch s plu psych Heinz Holling Günther Gediga hogrefe.de Bachelorstudium Psychologie Statistik Testverfahren 18 Kapitel 2 i.i.d.-annahme dem unabhängig. Es gilt also die i.i.d.-annahme (i.i.d = independent
MehrWahrscheinlichkeitsrechnung. Trigonometrie Sinus und Kosinus
Gymnasium Neutraubling Grundwissen Mathematik 10. Jahrgangsstufe Wissen und Können Aufgaben, Beispiele und Erläuterungen 1. Bedingte Wahrscheinlichkeit Bezeichnungen: P(A): Wahrscheinlichkeit des Ereignisses
MehrKomplexe Netzwerke Gradverteilung der Knoten, Skalenfreiheit, Potenzgesetz
Ernst Moritz Arndt Universität Greifswald 24. 4. 29 Komplexe Netzwere Gradverteilung der Knoten, Salenfreiheit, Potenzgesetz Dr. Matthias Scholz www.networ-science.org/ss29.html 1 Begriffe und Definitionen
Mehr9 Schnell mischende Markov-Ketten
9 Schnell mischende Markov-Ketten Allgemeines zu schnell mischenden Markov-Ketten findet man zum Beispiel in dem Buch Introduction to Markov Chains von Behrends (2000). Außerdem haben wir von einem Teil
MehrINHALTSVERZEICHNIS. 2D-DXF / DWG Import Allgemeines
Allgemeines INHALTSVERZEICHNIS 1 2D-DXF / DWG Import...3 1.1 Allgemeines...3 1.2 Starten des Imports...3 1.3 Der Dialog 2D DXF / DWG Datei importieren...3 1.4 Importiertes Symbol platzieren...4 1.5 Eigenschaften
MehrGruber I Neumann. Erfolg im Mathe-Abi. Basiswissen Schleswig-Holstein. Übungsbuch mit Tipps und Lösungen
Gruber I Neumann Erfolg im Mathe-Abi Basiswissen Schleswig-Holstein Übungsbuch mit Tipps und Lösungen Vorwort Vorwort Erfolg von Anfang an Dieses Übungsbuch ist speziell auf die Anforderungen der Profiloberstufe
MehrAbbildungen und Funktionen Lösung:
lineare Funktion f() = Neue Funktionsgleichung: f() = - 5 Es ändert sich nur der y-abschnitt Spiegeln an der -Achse Neue Funktionsgleichung: f() = - + Steigung und y-abschnitt mal (-) Neue Funktionsgleichung:
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrVertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie
Fakultät für Mathematik Prof. Dr. Barbara Gentz SS 2013 Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Mittwoch, 10.7.2013 13. Markoffketten 13.1 Beispiele 1. Irrfahrt auf dem zweidimensionalen
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lernwerkstatt: Mechanik der Bewegungen - Eine Einführung
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lernwerkstatt: Mechanik der Bewegungen - Eine Einführung Das komplette Material finden Sie hier: School-Scout.de SCHOOL-SCOUT Mechanik
MehrMarkov-Ketten und Irrfahrten auf Z d
Markov-Ketten und Irrfahrten auf Z d Diana Atzmüller 20. März 2013 1 Inhaltsverzeichnis 1 Einleitung 3 2 Markov-Ketten 4 2.1 Grundlagen............................ 4 2.2 Übergangswahrscheinlichkeit in
MehrKapitel 4: Irreduzible und aperiodische Markov Ketten 1
Matrielnummer: 1152750 Projetseminar zur Stochasti Kapitel 4: Irreduzible und aperiodische Marov Ketten 1 Für einige besonders interessante Ergebnisse der Marov Theorie, werden zunächst bestimmte Annnahme
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/2, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
MehrAufgabenblock 3. Durch zählen erhält man P(A) = 10 / 36 P(B) = 3 / 36 P(C) = 18 / 36 und P(A B) = 3 /
Aufgabenblock 3 Aufgabe ) A sei das Ereignis: schwerer Verkehrsunfall B sei das Ereignis: Alkohol ist im Spiel Herr Walker betrachtet die Wahrscheinlichkeit P(B A) = 0.3 und errechnet daraus P(-B A) =
MehrWie steht s mit dir? Buch Schätze dich ein! Inhaltsbezogene Kompetenzen LS 11/12
Mathematik - Lernstandsbogen Kurs: Jahrgang Q1.1 Thema: Analysis I / Stochastik I Zeitraum: 40 U- Wochen Wie steht s mit dir? Buch Schätze dich ein! Inhaltsbezogene Kompetenzen LS 11/12 0. Themenbereich:
MehrDie Parabel als Ortskurve
Die Parabel als Ortskurve Autor: Andreas Nüesch, Gymnasium Oberwil/BL, Schweiz Idee: Gegeben ist eine Konstruktionsvorschrift für einen Punkt P im Koordinatensystem. 1. Konstruieren der Ortskurve mit HIlfe
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
MehrMassive Parallelität : Neuronale Netze
Massive Parallelität : Neuronale Netze PI2 Sommer-Semester 2005 Hans-Dieter Burkhard Massive Parallelität : Neuronale Netze Knoten: Neuronen Neuronen können erregt ( aktiviert ) sein Kanten: Übertragung
MehrUrs Wyder, 4057 Basel Funktionen. f x x x x 2
Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Funktionen f 3 ( ) = + f ( ) = sin(4 ) Inhaltsverzeichnis DEFINITION DES FUNKTIONSBEGRIFFS...3. NOTATION...3. STETIGKEIT...3.3 ABSCHNITTSWEISE DEFINIERTE FUNKTIONEN...4
Mehr1 Grundprinzipien statistischer Schlußweisen
Grundprinzipien statistischer Schlußweisen - - Grundprinzipien statistischer Schlußweisen Für die Analyse zufallsbehafteter Eingabegrößen und Leistungsparameter in diskreten Systemen durch Computersimulation
MehrBACHELORARBEIT. Markov-Ketten und ihre Greensche Funktion. Jasmin Riegler. Wien, Jänner 2013
BACHELORARBEIT Markov-Ketten und ihre Greensche Funktion Jasmin Riegler Wien, Jänner 203 Studienkennzahl: A 033 62 Studienrichtung: Mathematik Betreuer: Privatdoz. Dr. Mag. Bernhard Krön Inhaltsverzeichnis
Mehr1) Targetmasse für neutrinolosen doppelten β-zerfall:
1) Targetmasse für neutrinolosen doppelten β-zerfall: Ein vielversprechender Kandidat für die Suche nach dem neutrinolosen doppelten β- Zerfall ist. Die experimentelle Observable ist die Halbwertszeit.
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
MehrInput-Output-Modelle und Markov-Ketten
MaMaEuSch Management Mathematics for European Schools http://www.mathematik.unikl.de/~mamaeusch/ Input-Output-Modelle und Markov-Ketten Ao. Univ.-Prof. Werner Peschek Dieses Projekt wurde veröffentlicht
MehrDEMO für Übergangsmatrizen. Abiturprüfung. Matrizenrechnung INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
Abiturprüfung Matrizenrechnung Aufgaben aus Bremen zum Thema Übergangsmatrizen Datei Nr 750 Stand: 5 März 03 FRIEDRICH W BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 750 Übergangsmatrizen Abituraufgaben
MehrSuchmaschinen und Markov-Ketten 1 / 42
Suchmaschinen und Markov-Ketten 1 / 42 Zielstellung 1 Wir geben einen kurzen Überblick über die Arbeitsweise von Suchmaschinen für das Internet. Eine Suchmaschine erwartet als Eingabe ein Stichwort oder
MehrTrigonometrische Funktionen
Trigonometrische Funktionen 1. Tageslänge Im Verlauf eines Jahres ändert sich aufgrund der geneigten Erdachse die astronomische Sonnenscheindauer, d.h. die Zeitspanne zwischen Sonnenaufgang und - untergang.
MehrEntladung eines Kondensators
3.11.5 Entladung eines Kondensators Im Gegensatz zu einer Batterie kann mit einem Kondensator innerhalb von kurzer Zeit eine hohe Stromstärke erzeugt werden. Dies wird zum Beispiel beim Blitz eines Fotoapparates
MehrIII. Gekoppelte Schwingungen und Wellen 1. Komplexe Schwingungen 1.1. Review: harmonischer Oszillator
III. Gekoppelte Schwingungen und Wellen 1. Komplexe Schwingungen 1.1. Review: harmonischer Oszillator Hooksches Gesetz Harmonisches Potential allgemeine Lösung Federpendel Fadenpendel Feder mit Federkonstante
MehrStunden/Seiten Inhaltsbereiche gemäß Lehrplan Eigene Bemerkungen. Inhalte von Maßstab Band 10 ISBN: Stunden
Von den Rahmenvorgaben des Lehrplans zum Schulcurriculum Anregungen für Mathematik in Hauptschule und Regionaler Schule in Rheinland-Pfalz auf der Grundlage von Maßstab 10 Der Stoffverteilungsplan geht
MehrFragenkatalog Kapitel 1 Fehleranalyse
Teil 1: Numerik katalog Kapitel 1 Fehleranalyse 1. Zwischen was besteht ein funktionaler Zusammenhang z i? Welche Form hat er? 2. Welche 4 Typen von Fehlerquellen gibt es? Nenne Beispiele! 3. Wie berechnet
MehrGraphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011
Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrArbitrage Free Pricing
Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels
MehrAbschlussprüfung StoP FS 2014
Abschlussprüfung StoP FS 2014 17. Juni 2014 Name: Klasse: Erlaubte Hilfsmittel: Open-book: Aufschriebe, Bücher, Ausdrucke usw. auf Papier aber keine Dateien wie pdfs. Auf dem Bildschirm darf nur RStudio
MehrDie folgende Anleitung zeigt, wie ein solcher Kategorienbaum anhand einer fiktiven Familie erstellt, eingesetzt und ausgewertet wird:
Software WISO Mein Geld Thema Einnahmen & Ausgaben aufgliedern Version / Datum V 0.7 / 27.11.2012 Kategorien verschaffen Ihnen einen Überblick über Ihre Finanzsituation und bringen Ordnung in Ihre Finanzen.
Mehr5. Vorlesung. Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung
5. Vorlesung Das Ranking Problem PageRank HITS (Hubs & Authorities) Markov Ketten und Random Walks PageRank und HITS Berechnung Seite 120 The Ranking Problem Eingabe: D: Dokumentkollektion Q: Anfrageraum
Mehr7. Vorlesung. Bipartite Kerne Das kopierende Modell Bow-tie Struktur des Web Random Sampling von Web Seiten
7. Vorlesung Bipartite Kerne Das kopierende Modell Bow-tie Struktur des Web Random Sampling von Web Seiten Seite 179 Web als ein Soziales Netzwerk Small-world Netzwerk: Niedriger (Durchschnitts) Durchmesser
Mehrr a t u Parametergleichung der Geraden durch den Punkt A mit dem Richtungsvektor u t R heisst Parameter
8 3. Darstellung der Geraden im Raum 3.. Parametergleichung der Geraden Die naheliegende Vermutung, dass eine Gerade des Raumes durch eine Gleichung der Form ax + by + cz +d = 0 beschrieben werden kann
MehrSchiefe Ebene / Energieerhaltung
GP_A0093 Nr. 5: 1. Eine Stahlkugel der Masse 2,5 kg wird in der gezeichneten Lage von einem ortsfesten Elektromagneten gehalten. Der Strom wird nun abgeschaltet und die Kugel rollt den Abhang hinunter.
MehrBerechnen eines Bildpunktes bei Parallelprojektion: die Kavalierproduktion
Matrizen Projektionen: Bei einer Projektion werden Geraden (Projektionsstrahlen) durch die abzubildenden Raumpunkte gezogen und mit der Zeichenebene geschnitten. Die resultierenden Schnittpunkte sind die
Mehr3.3 Linkskurve, Rechtskurve Wendepunkte
166 FUNKTIONSUNTERSUCHUNGEN 3.3 Linkskurve, Rechtskurve Wendepunkte Einführung (1) Anschauliche Erklärung des Begriffs Wendepunkt Bei Motorradrennen lässt sich beobachten, wie sich die Motorradfahrer beim
MehrM 10.1. Kreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß Wie berechnet man in einem Kreis mit Radius die Länge des Kreisbogens für einen Kreissektor mit Mittelpunktswinkel? Wie berechnet man in einem Kreis mit Radius den Flächeninhalt
MehrM 10.1. Kreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß Wie berechnet man in einem Kreis mit Radius die Länge des Kreisbogens für einen Kreissektor mit Mittelpunktswinkel? Wie berechnet man in einem Kreis mit Radius den Flächeninhalt
MehrKreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius Mittelpunktswinkel : Länge des Kreisbogens gilt für einen Kreissektor mit Fläche des Kreissektors Das Bogenmaß eines Winkels ist die Länge des
MehrStoffverteilungsplan Mathematik im Jahrgang 9
Überprüfung und Bewertung von Problembearbeitungen Problemlösungsstrategien (Funktionsplotter) Arithmetik / Algebra Operieren Lösen einfacher quadratischer (z.b. durch Faktorisieren oder pq-formel) Verwendung
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrStrichlisten bei Laplace-Experimenten zum Paradox der ungleichmäßigen Verteilung
Strichlisten bei Laplace-Experimenten zum Paradox der ungleichmäßigen Verteilung DIETMAR PFEIFER INSTITUT FÜR MATHEMATIK Die Problemstellung aus: Mathebaum 4, S. 114 2 In der Klasse 6b werfen 28 Schülerinnen
MehrTeil 2: Dynamische Spiele mit vollständigen Informationen
Teil : Dynamische Spiele mit vollständigen Informationen Kapitel 5: Grundsätzliches Literatur: Tadelis Chapter 7 Problem Manche Spiele entwickeln sich über die Zeit Dynamik kann aber nicht in Spielen in
MehrÜbungen mit dem Applet Vergleich von zwei Mittelwerten
Vergleich von zwei Mittelwerten 1 Übungen mit dem Applet Vergleich von zwei Mittelwerten 1 Statistischer Hintergrund... 2 1.1 Typische Fragestellungen...2 1.2 Fehler 1. und 2. Art...2 1.3 Kurzbeschreibung
MehrSobald bei einem Zufallsexperiment zusätzliche Bedingungen zutreffen ändern sich i.a. die Wahrscheinlichkeiten.
26 6. Bedingte Wahrscheinlichkeit Sobald bei einem Zufallsexperiment zusätzliche Bedingungen zutreffen ändern sich i.a. die Wahrscheinlichkeiten. Alarmanlage Tritt bei einer Sicherungsanlage ein Alarm
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
MehrMafI I: Logik & Diskrete Mathematik (F. Hoffmann)
Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob
MehrSignalverarbeitung 2. Volker Stahl - 1 -
- 1 - Hidden Markov Modelle - 2 - Idee Zu klassifizierende Merkmalvektorfolge wurde von einem (unbekannten) System erzeugt. Nutze Referenzmerkmalvektorfolgen um ein Modell Des erzeugenden Systems zu bauen
MehrZuordnungen. 2 x g: y = x + 2 h: y = x 1 4
Zuordnungen Bei Zuordnungen wird jedem vorgegebenen Wert aus einem Bereich ein Wert aus einem anderen Bereich zugeordnet. Zuordnungen können z.b. durch Wertetabellen, Diagramme oder Rechenvorschriften
MehrDiskrete Wahrscheinlichkeitstheorie - Probeklausur
Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten
MehrKinematik - Lehre von den Bewegungen
Kinematik - Lehre von den Bewegungen Physik Grundkurs 11 Goethegymnasium Auerbach Stephie Schmidt Grundbegriffe Bewegungslehre Bewegungslehre behandelt den zeitlichen Ablauf der Ortsveränderung eines Körpers,
Mehr1. Eine gleiche Anzahl von Legosteine wird in jeweils einer Reihe angeordnet:
Versuch 1: Materialliste: - Legosteine - (Tüte Gummibärchen) Ablauf: 1. Eine gleiche Anzahl von Legosteine wird in jeweils einer Reihe angeordnet: -- -- -- -- -- -- -- -- -- -- -- -- -- -- Das Kind wird
MehrTechnische Oberschule Stuttgart
Aufnahmeprüfung Physik 2010 Seite 1 von 9 Zu bearbeiten sind 4 der 6 Aufgaben innerhalb von 60 Minuten. Aufgabe 1 (Mechanik): Ein Bauer pflügt seinen Acker, dabei braucht der Traktor für eine Strecke von
MehrÜberblick Hypothesentests bei Binomialverteilungen (Ac)
Überblick Hypothesentests bei Binomialverteilungen (Ac) Beim Testen will man mit einer Stichprobe vom Umfang n eine Hypothese H o (z.b.p o =70%) widerlegen! Man geht dabei aus von einer Binomialverteilung
MehrScheduling-Theorie. Mathematische Modelle und Methoden für deterministische Scheduling-Probleme. LiSA - A Library of Scheduling Algorithms
Scheduling-Theorie Mathematische Modelle und Methoden für deterministische Scheduling-Probleme LiSA - A Library of Scheduling Algorithms Otto-von-Guericke Universität Magdeburg/FMA/Heidemarie Bräsel &
MehrKreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = = 360 360 Das Bogenmaß eines Winkels ist
MehrKreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius gilt für einen Kreissektor mit Mittelpunktswinkel : Länge des Kreisbogens Fläche des Kreissektors = 2 = 360 360 Das Bogenmaß eines Winkels ist
MehrKreissektoren und Bogenmaß
M 10.1 Kreissektoren und Bogenmaß In einem Kreis mit Radius Mittelpunktswinkel : Länge des Kreisbogens gilt für einen Kreissektor mit Fläche des Kreissektors Das Bogenmaß eines Winkels ist die Länge des
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
MehrProportionalität und Antiproportionalität
Proportionalität und Antiproportionalität 1 In diesem Kapitel»Je mehr desto mehr«und»je mehr desto weniger«zuordnungsvorschriften verstehen Darstellungsformen von Proportionalität und Antiproportionalität
Mehrf h c 7 a 1 b 1 g 2 2 d
) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener
Mehr8. Konfidenzintervalle und Hypothesentests
8. Konfidenzintervalle und Hypothesentests Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Beispiel. Sie wollen den durchschnittlichen Fruchtsaftgehalt eines bestimmten Orangennektars
MehrExponentialfunktion / Wachstum
1. Die Eponentialfunktion Eponentialfunktion / Wachstum Spezialfall: = 0: a 0 = 1 P(0 1). Dies bedeutet, alle Graphen - unabhängig ihrer Basis - laufen durch den Punkt (0 1). Der Graph einer Eponentialfunktion
MehrAufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.
Aufgabenblock 4 Aufgabe ) Da s = 8. cm nur eine Schätzung für die Streuung der Population ist, müssen wir den geschätzten Standardfehler verwenden. Dieser berechnet sich als n s s 8. ˆ = = =.88. ( n )
MehrVerschiebung/Streckung von Funktionsgraphen. Verwenden von Schablonen zum Zeichnen von Funktionsgraphen. Idee der Koordinatentransformation
Verschiebung/Streckung von Funktionsgraphen Verwenden von Schablonen zum Zeichnen von Funktionsgraphen Idee der Koordinatentransformation Rahmenlehrplan Berlin P4 9/10: Situationen mit n und Potenzfunktionen
MehrMathematik. Februar 2016 AHS. Kompensationsprüfung 1 Angabe für Kandidatinnen/Kandidaten
Name: Datum: Klasse: Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Februar 2016 Mathematik Kompensationsprüfung 1 Angabe für Kandidatinnen/Kandidaten Hinweise
Mehr2. Quadratische Lagrangefunktionen und Fourierreihe.
0. Einführung Wir haben gerade das klassische Wirkungsprinzip betrachtet, nachdem wir wissen, dass der dynamische Verlauf eines Teilchens in dem Diagramm die Kurve darstellen soll, die die minimale Wirkung
MehrDiskrete Modellierung
Diskrete Modellierung Wintersemester 2013/14 Prof. Dr. Isolde Adler Letzte Vorlesung: Korrespondenz zwischen der Page-Rank-Eigenschaft und Eigenvektoren zum Eigenwert 1 der Page-Rank-Matrix Markov-Ketten
Mehr2. Stegreifaufgabe aus der Mathematik Lösungshinweise
2. Stegreifaufgabe aus der Mathematik Lösungshinweise Gruppe A (a Unterscheidet man nur nach Zielort München oder nicht, kann man folgendermaÿen vorgehen: Aufgabe 1 Die drei (nicht unterschiedenen Päckchen
Mehr